物理世界に汎用知能をもたらすロボット基盤モデルを構築する"Rhoda AI"がSeries Aで$450Mを調達

Rhoda AIは、Capricorn Investment Group、Khosla Ventures、Mayfield、Premji Invest、TemasekなどのVCに加え、Kleiner PerkinsのJohn DoerrなどのSilicon Valleyのリーダーが参加したSeries Aで$450Mを調達し、18か月間のステルス期間を経て正式に公開ローンチした。

物理世界に汎用知能をもたらすロボット基盤モデルを構築するRhoda AIは、インターネット規模の動画事前学習とクローズドループの動画予測制御を組み合わせることで、実世界環境で適応し、汎化し、自律的に動作できるロボットの実現を目指しています。

従来の産業用ロボットは構造化された環境では高い性能を発揮しますが、依然として事前にプログラムされた軌道に大きく依存しています。より最近のAIアプローチ、特にvision-language-action(VLA)モデルは、ロボットがデータから学習することを可能にし、研究室環境では印象的な成果を示しています。しかし多くのシステムは、レイアウトの変化、これまで見たことのない物体、予測できないワークフローなど、現実世界の変動性に対応することに依然として苦労しています。Rhodaはこのギャップを解決するために設立されました。

Rhodaは遠隔操作されたロボット軌道に主に依存するのではなく、インターネット規模の動画データ、すなわち数億本の動画を用いてモデルを事前学習させます。これにより動き、物理法則、物理的相互作用に関する強力な事前知識を構築します。その後、より少量のロボットデータでモデルを追加学習させ、身体性に依存した行動や動画予測からロボット行動へのマッピングを学習させます。

この結果として生まれたシステムは、環境を継続的に観察し、将来の状態を動画として予測し、その予測を行動へ変換して実行し、再び世界を観察します。このプロセスはクローズドループで数百ミリ秒ごとに繰り返されます。

Rhodaはこの独自アーキテクチャをDirect Video Action(DVA)モデルと呼んでいます。これは知覚と制御の橋渡しをするよう設計されています。継続的なフィードバックなしに計画を生成するオープンループ型アプローチとは異なり、DVAシステムは状況が変化するたびに動作を動的に更新します。これによりリアルタイムで物理を理解した正確な制御が可能になります。Rhodaの自己回帰型動画ベース事前学習により獲得された強力なモーション事前知識により、このモデルは新しいタスクを効率的に学習でき、多くの場合わずか10時間程度のテレオペレーションデータで習得できます。

このアーキテクチャ上に構築されたFutureVisionは、Rhodaのインテリジェンスレイヤーとして機能します。これは現在Rhodaシステムを支える基盤モデルであり、将来的にはさまざまなロボットハードウェアおよびソフトウェアプラットフォームのパートナーへライセンス提供されることが期待されています。

Rhodaの技術はすでに生産環境において自律動作を実証しています。そこではロボットは絶えず変化する材料、レイアウト、ワークフローに対応する必要があります。最近の大規模製造評価では、Rhodaは人間の介入なしで1サイクル2分未満で部品処理ワークフローを完了し、顧客のKPIを上回りました。

「製造業では、変動性の高いタスクは歴史的に自動化が困難でした。本当の課題は一度解決することではなく、実際の生産条件下で安定した信頼性の高い出力を提供することです。Rhodaのアプローチで印象的だったのは、通常は人間の介入が必要となる状況に適応できる点です。このような技術は自動化できる範囲を劇的に拡大し、成熟経済の再工業化において重要な役割を果たす可能性があります。」とLeitmotifのManaging Partnerであり、元Volkswagen Groupの幹部であるJens Wieseは述べています。

$450MのSeries A資金は、研究およびエンジニアリング投資の継続、産業展開と顧客パイロットの拡大、そして生成AI、コンピュータビジョン、ロボティクスにまたがるRhodaの学際的チームの拡大に活用されます。

RhodaはCEO兼共同創業者であるJagdeep Singhが率いています。彼は複数のテクノロジー企業を構築し拡大させてきたシリアルdeep-tech起業家です。Chief Science OfficerのEric Ryan ChanはStanfordの研究者であり、コンピュータビジョンおよび生成モデリングのリーダーで、以前はWorldLabsで生成モデルアーキテクトを務めていました。またStanford Universityの教授でComputational Imaging Labの責任者であるGordon Wetzstein、そして生成AI、コンピュータビジョン、ロボティクス分野の主要組織出身のチームが参加しています。